Fares Eldibani

Beispielprojekte: •Entwicklung eines LSTM Algorithmus zur Vorhersage des Fußgängertrajektorie für Autonomesfahren •Entwicklung eines Regression und Decision Trees Algorithmen für die Vorhersage von Materialversagen unter thermischer Belastung und Entscheidung über Konstruktionsänderungen an einem bestimmten Bauteil •Entwicklung eines Neuronnenetz für die Vorhersage der Rückzahlung von Mikrofinanzkrediten und die Empfehlung zur Annahme/Ablehnung von Kreditanträgen

(Befristet 3 Monate) • Entwickelte mit Python eine Datenextraktions-, Bearbeitungs-, Visualisierungs- und Analysepipeline für modernste Massenspektrometrie-Datenerfassungsmethoden • Entwickelte Algorithmen für Machine Learning zum Zweck der Erzeugung von Pseudo-Massenspektren für die Peptididentifikation (Sensitivitätsanalyse & Regressionsanalyse)

• Optimierung des Fahrzeugdynamik-Simulationsmodells und Entwicklung und Optimierung eines Feed-Forward-Deep-Learning-Modells zur Vorhersage der Fahrzeugsimulationsausgabe und zur Vorhersage von Abweichungen zwischen Fahrzeugdynamik-Prüfstand und Realität. • Optimierung des Deep-Learning-Algorithmus und des allgemeinen Simulationsmodells über „Design of Experiments (DoE)“ und Sensitivitätsanalyse für effiziente Dataset-Designs und Reduzierung der Modellkomplexität.

Sensitivity Analysis for Human Liver Fat Metabolism Finite Element Model

Vorlesungen: Machine Design, Verbrennungsmotoren, Fahrzeugtechnik (September 2016 – Juni 2017)

teilgenommen an einer vollständigen Restaurierung eines mittelgroßen Schiffes (Juni – August 2015)

Autoservice

Finite Elemente Analyse für Material und Struktur Verhalten. Simulationswissenschaft in Ingenieurwissenschaftsbereiche